可以使用Google Cloud Vision TEXT_DETECTION保留文本结构吗？

Question

Google Cloud Vision API（测试版）的第1版允许通过TEXT_DETECTION请求进行光学字符识别。虽然识别质量良好，但返回的字符没有任何原始布局的暗示。因此，结构化文本（例如，表格，收据，柱状数据）有时会被错误地排序。

是否可以使用Google Cloud Vision API保留文档结构？类似的问题已被问及tesseract和hOCR。例如，[1]和[2]。目前在文档[3]中没有关于TEXT_DETECTION选项的信息。

[1] How to preserve document structure in tesseract [2] Tesseract - ambiguity in space and tab [3] https://cloud.google.com/vision/

Answer 1

认识到文本结构是一个比识别文本本身更抽象的概念：字母，单词，句子。如果您已在文件元数据中包含此文本结构信息，则可以执行以下操作：

• 将输入图像分段/分割为子部分。
• 执行text_detection请求。
• 根据您的元数据正确重新排序文字。

我不是Cloud Vision text_detection API的专家，但它写的是text_detection而不是language_detection或text_structure_detection，因此它提供了一些关于检测级别/层的线索。

也许这是他们计划在未来添加或在文档中描述的功能。